
【徹底比較】Animaの新モデル2.9Bの実力はいかに? / Anima-Aesthetic-v1.0b / Anima-base-v1.0 ──同一プロンプト・同一シードで見えた3モデルの個性
はじめに
アニメ・イラスト特化のText-to-Imageモデル「Anima」シリーズには、ベースとなる circlestone-labs/Anima と、そこから派生した EBR-Anima(circlestone-labs/Animaに独自LoRAをマージした、有志(jupo-ai氏)によるコミュニティ派生モデル)があります。このたび新しく、独自にレイヤー拡張・追加学習を行った Gazingstars123/Anima-2.9B というモデルが2026年8月12日ごろにリリースされました。
今回は以下の3モデルを、同一プロンプト・同一シード(各セット内で共通) で12種類のシチュエーションについて生成し、傾向を比較検証しました。
Anima-2.9B-preview-v1(Gazingstars123、約2.9Bパラメータ)
Anima-aesthetic-v1.1(circlestone-labs、Anima-baseの美的ファインチューン版)
Anima-base-v1.0(circlestone-labs、素の未調整ベースモデル)
ComfyUIの標準テンプレートワークフローを使用し、Anima-2.9Bのみベースモデルのワークフローからモデルカード記載の推奨設定(Step 30 / CFG 4.0 / Euler / sgm_uniform、解像度812×1216)に変更して生成しています。
モデルの背景
新しくリリースされた Gazingstars123/Anima-2.9B は、circlestone-labs/Animaを土台に、LLaMA Pro方式のレイヤー拡張(トランスフォーマー層を28層から40層に拡張)を行い、約2.9Bパラメータまで規模を拡大した派生モデルです。新しい層は隣接層の重みをコピーして初期化しており、初期状態ではベースモデルと機能的に同一になるよう設計されています。そのうえで追加で170万枚のアニメ・イラスト画像を学習しており、知識カットオフは2026年7月と、3モデルの中で最も新しいデータを含みます。ただし現時点では新規追加層のみの学習にとどまる"preview"版であり、開発は継続中とのことです。
circlestone-labs/Anima は、NVIDIAのCosmos-Predict2-2B-Text2Imageをベースにした約2Bパラメータのアニメ・イラスト特化モデルです。数百万枚のアニメ画像と、LAION-POPやDeviantArtなど約80万枚の非アニメ画像で学習されており、アニメ学習データの知識カットオフは2025年9月です。
このAnimaには複数のバリエーションがあり、Anima-base は「素の未調整モデル。柔軟性・多様性・スタイル追従性が最大」と公式に位置づけられている一方、デフォルトの絵柄は素朴で中立的になりやすいとも記載されています。LoRA学習のベースとして推奨されているのもこのbaseです。一方 Anima-Aesthetic は「高品質な画像のみでファインチューンし、一貫性とデフォルトの画風の質を高めたバージョン」で、そのまま実用的に使うことを想定した仕上がりになっています。

検証プロンプトと結果ダイジェスト
12種類のプロンプトで検証した結果、非常に一貫した傾向が見えてきました。
① キャラクター品質・画風(横に同一シード比較)

Anima-2.9Bはpixiv投稿イラスト風のロゴ入り背景まで生成するなど独自の画づくりが強く出た一方、露出寄りの衣装になりやすい傾向も見られました。aesthetic-v1.1は3枚とも構図・ポーズが似通う代わりに陰影や瞳の描き込みが最も安定して高品質。base-v1.0は3枚の差が最も大きく、多様性の高さがそのまま出た結果に。非常に単純なプロンプトなのでシードガチャに依存することが大きいですが傾向はみて取れます。
1girl, anime girl, long black hair, blue eyes, school uniform② 複雑な構図(日常の一瞬)

aesthetic-v1.1が「見下ろす広角」「木漏れ日」「奥行き」といった構図指示を最も忠実に再現。2.9Bは感情表現の説得力で勝るものの構図の精度はやや粗く、baseは指示解釈にブレが見られました。
masterpiece, best quality, 2girls, dynamic angle, looking down, sunny afternoon, urban alley, one girl sitting on a low wall holding an ice cream, the other girl leaning forward laughing, sunlight filtering through leaves, soft shadows, anime screen cap style, vibrant colors③ 背景・情報量

2.9Bが自販機・電柱・洗濯物など指定要素をほぼ全て配置し、要素網羅性で最高評価。aesthetic-v1.1は要素の一部を落としつつも画としての完成度・空気感で勝り、baseはムードの解釈がややずれました。
masterpiece, best quality, 1girl, nostalgia, Japanese residential street, summer afternoon, blue sky with white fluffy clouds, wooden fence, telephone poles, vending machine, bicycles parked, laundry drying, highly detailed background, warm sunlight, gentle breeze feeling④ 複数キャラクター(Y2Kファッション)

2.9Bは衣装の役割分担を正確に描き分け、aesthetic-v1.1は素材感・質感表現で頭一つ抜けた仕上がり。
masterpiece, best quality, 2girls, modern anime artstyle, fashion illustration, one girl wearing oversized casual hoodie and loose pants, the other girl wearing cropped jacket and denim skirt, standing side by side, natural pose, candid shot, stylish outfit, detailed faces⑤ 複雑なポーズ・アクション

ローアングルのフォアショートニング表現はどれもうまく処理しています。表情はaesthetic-v1.1とbaseが正解に見えて、2.9Bはシチュエーションに少しあっていないように感じます。
masterpiece, best quality, 1girl, dynamic movement, mid-air jump, wind blowing hair and pleated skirt, energetic pose, floating ribbons, bright clear sky background, low angle shot, foreshortening, lively atmosphere⑥ 複雑な物体+人物(部屋の情報量)

aesthetic-v1.1のごちゃついた部屋の感じはよくできていますが、首が90度回転しているように見えます。2.9Bは画角が狭く、ごちゃつきが足りません。baseは女の子が主役になっていないのが気になります。
masterpiece, best quality, 1girl, room aesthetic, relaxing on floor, cluttered cozy bedroom, retro CRT monitor, colorful posters on wall, plushies, scattered manga comics, soft indoor lighting, detailed ambient background, relaxed mood⑦ 自然言語理解

タグ列挙ではなく自然な英文プロンプトでも傾向は同じで、aesthetic-v1.1と2.9Bが「木漏れ日が服に落ちる」といった繊細な描写を再現しました。
A young girl with long dark hair is reading a book, sitting on a wooden bench under a large tree. Golden sunlight drips through the green leaves, creating dappled light patterns on her clothes and the ground. The background shows a calm park with a distant fountain. Cinematic lighting, peaceful ambiance.⑧ 複数指示の同時処理(最も示唆的な結果)

3モデルとも「distinct separation」を1枚の画の中の配置ではなく完全な2分割カットとして解釈するという共通の癖が見られました。さらに興味深いのは、"looking at camera"(カメラ目線)という慣用表現を、aesthetic-v1.1だけが正しく意味理解し、2.9Bとbaseはどちらも「カメラを構えて撮影する仕草」と文字通りに誤読した点です。キャプションの意味理解力において明確な差が出ました。
masterpiece, best quality, two girls, contrast, on the left side a girl with blonde hair in a pink cardigan looking at camera, on the right side a girl with black hair in a blue shirt looking away, standing on a sunlit school balcony, distinct separation, bright lighting⑨ 手・小物の精度

色指定の正誤で明暗が分かれた回です。2.9Bは「matcha(抹茶)」という核心的な色指定を外し、茶色いラテを生成してしまう痛いミスがありました。aesthetic-v1.1は色は正しいものの竹ストローの質感は再現できず、意外にもbaseが竹ストローの質感を最も正確に描けていました。
masterpiece, best quality, close-up, delicate hands, holding a clear glass cup of iced matcha latte with both hands, condensation on glass, bamboo straw, wooden table background, soft natural daylight, ultra detailed fingers, shallow depth of field⑩ 映画的なイラスト(新海誠風)

3モデルとも高水準。aesthetic-v1.1が光の演出(volumetric crepuscular rays)の精密さで説得力があり、2.9Bは色作りの強さで健闘、baseは雷光を具象的に描くことで独自の説得力を出しました。
masterpiece, best quality, anime cinematic visual, Makoto Shinkai style, 1girl standing on a rooftop looking up at the sky, massive dramatic thunderhead clouds, volumetric crepuscular rays, sunset colors, lens flare, sweeping view, emotional atmosphere, vivid blue and orange⑪⑫ 肌感・タイトなシルエット系

masterpiece, best quality, 1girl, close-up, glowing skin, light sweat glistening on collarbone and neck, wearing a tight wet white tank top, sheer clothing, slightly translucent fabric, messy wet hair sticking to skin, flushed cheeks, parted lips, heavy breathing, dynamic subtle pose, soft moody lighting, shallow depth of field, detailed skin texture
3モデルとも際どい表現への忌避感は薄く、指示への忠実度は総じて高い結果でした。2.9Bは艶やかな塗りと官能的な表情の演出、aesthetic-v1.1は水滴・質感描写の精密さ、baseは平坦ながら破綻の少なさがそれぞれの個性として出ています。
masterpiece, best quality, 1girl, bedroom aesthetic, lounging on a soft bed, wearing an oversized off-shoulder sweater slipping down one shoulder, cleavage peek, bare shoulders, visible thighs, ruffled bedsheets, relaxed posture, looking at viewer with seductive expression, soft warm morning light, intimate atmosphere,総合評価
12セットを通して見えてきた、3モデルの棲み分けは非常に明確です。

どんな用途に向いているか
Anima-Aesthetic-v1.1:構図・光・質感の精度、そして自然言語プロンプトの意味理解力が3モデル中もっとも高く、そのまま使える完成度の高いイラストを量産したい人に最適です。SNS投稿用の1枚絵や、プロンプト通りの結果を安定して得たい制作用途に向いています。
Anima-2.9B-preview-v1:彩度が高くコントラストの強い、いわゆる「映える」pixiv投稿イラスト的な画風が特徴で、キャラクターの感情表現や画のインパクトを重視したい人に向いています。知識カットオフが最も新しく、追加学習データも多いため今後の更新にも期待が持てますが、現状はプレビュー版であり、色や素材の細かい指示を誤読することがある点は留意が必要です。
Anima-base-v1.0:同一シードでも出力のバリエーションが最も大きく、素の画風は中立的で癖が少ないため、LoRA学習のベースにしたり、自分で画風を作り込みたい人に向いています。公式ドキュメントでもLoRA学習にはこのbaseを使うことが推奨されています。複雑な指示への追従精度はやや粗いため、そのまま完成品として使うよりは素材・土台としての活用が向いていると言えそうです。
まとめ
同じプロンプト・同じシードで並べてみると、3モデルの「性格」の違いがはっきりと浮かび上がりました。特に⑧の「looking at camera」の解釈の違いは、パラメータ数や学習データの新しさだけでは測れない、ファインチューンの質による自然言語理解力の差を示す興味深い結果だったと思います。用途に応じて使い分ける、あるいはbaseでLoRAを作ってaestheticやTurboで運用する、といった組み合わせ方も検討する価値がありそうです。2.9BもまだPreview1なので、これからに期待です。
